Numpy array()是一种用于创建多维数组的函数。它可以接受多种数据类型,支持数组枚举、切片等操作,是数据分析、科学计算以及机器学习中非常基础且重要的工具。在实际应用中,既可以通过手动创建数据进行实例化,也可以通过读取外部数据文件等方式创建。
下面将详细讲解它的作用以及使用方法。
创建多维数组:将列表、元组等序列类型数据转换成多维数组。
数组的计算和操作:支持对多维数组进行各种运算和操作,如数组的加减乘除、函数运算、比较、转置等。
数组的索引和切片:可以通过下标索引访问和操作数组中的元素,在多维数组中可以使用切片操作进行切片。
语法格式:numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
参数解释:
object:列表、元组等序列类型数据。
dtype:数组元素的类型,在 numpy 中提供了很多基本类型,如numpy.int、 numpy.float等。
copy:默认为 True,表示复制对象,如果为 False,则表示对象被引用而不是复制。
order:数组元素在内存中的排列方式,C风格排列或Fortran风格排列。
subok:默认为 False,表示返回一个由Baseclass派生、并且类型相同的数组。
ndmin:指定生成的数组的最小维度。
示例代码:
import numpy as np
# 一维数组
arr1 = np.array([1, 2, 3, 4, 5])
print(arr1,type(arr1))
# 二维数组
arr2 = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
print(arr2,type(arr2))
输出结果:
[1 2 3 4 5] <class 'numpy.ndarray'>
[[1 2 3 4]
[5 6 7 8]] <class 'numpy.ndarray'>
语法格式:numpy.array(object, dtype = None, count = -1, sep = '', *, file)
参数解释:
file:文件名或读取数据的可迭代对象。
count:读取的个数,默认为-1,表示读取所有数据。
sep:分隔符,默认为空格。
示例代码:
import numpy as np
#从txt文件中读取数据并创建一维数组
arr_text = np.array([],dtype=float)
with open("data.txt") as f:
for line in f.readlines():
arr_line = np.array(line.strip().split(" "),dtype=float)
arr_text = np.concatenate((arr_text, arr_line), axis=0)
print(arr_text,type(arr_text))
输出结果:
[1. 2. 3. 4. 5. 6. 7. 8. 9.] <class 'numpy.ndarray'>
示例代码:
import numpy as np
# 创建二维数组
arr2 = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
# 加法
print("加法:\n", arr2 + 2)
# 乘法
print("乘法:\n", arr2 * 2)
# 转置
print("转置:\n", arr2.T)
# 切片
print("切片:\n", arr2[1][1:3])
输出结果:
加法:
[[ 3 4 5 6]
[ 7 8 9 10]]
乘法:
[[ 2 4 6 8]
[10 12 14 16]]
转置:
[[1 5]
[2 6]
[3 7]
[4 8]]
切片:
[6 7]
从上述实例可以看出,Numpy array()能够方便、快捷的操作多维数组,关于Numpy array()的应用还有很多,使用也需要不断的去实践,这样才能掌握更多的操作技巧。
本文链接:http://task.lmcjl.com/news/4417.html